zhangzhoubin666的博客

1、KNN算法参考文献：理论来源：机器学习之KNN（k近邻）算法详解_平原的博客-CSDN博客_knn1-1 机器学习算法分类一、基本分类：①监督学习（Supervised learning）数据集中的每个样本有相应的“正确答案”， 根据这些样本做出 预测， 分有两类： 回归问题和分类问题。 步骤1： 数据集的创建和分类 步骤2： 训练 步骤3： 验证 步骤4： 使用 （ 1） 回归问题举例 例如： 预测房价， 根据样本集拟合出一条连续曲线。 （ 2） ...https://blog.csdn.

C语言中文网：C语言程序设计门户网站(入门教程、编程软件)http://c.biancheng.net/Python3 os.path() 模块 | 菜鸟教程Python3 os.path() 模块 Python3 OS 文件/目录方法 os.path 模块主要用于获取文件的属性。 以下是 os.path 模块的几种常用方法： 方法说明 os.path.abspath(path) 返回绝对路径 os.path.basename(path) 返回文件名 os.path.commonprefix(list) 返

1、聚类算法常见的六大聚类算法_从未完美过的博客-CSDN博客_聚类算法2、过拟合、欠拟合欠拟合、过拟合及其解决方法_willduan的博客-CSDN博客_欠拟合3、正则化与交叉验证

1、数据挖掘的基本任务数据挖掘就是借助机器学习、深度学习、大数据等技术，从数据中分析出所需的价值，主要涉及的任务有分类、预测、回归、关联分析、时间序列、聚类分析等。2、数据挖掘建模的流程目标定义：任务理解、指标确定 数据采集：建模抽样、质量把控、实时采集数据整理：数据探索、数据清洗、数据变化表 构建模型：算法选择、模型搭建、模型验证模型评价：模型评价指标选择、模型优化 模型发布：模型部署、模型运行监测3、数据挖掘采用工具语言：Python、anaconda工具：pandas、

2、算法图示3、算法的要点：3.1算法计算步骤4、算法的不足一、K近邻（KNN）1、K近邻算法概述K近邻算法属于分类算法，属于比较简单的算法，核心思想是“近朱者赤，近墨者黑”，根据临近样本计算自身的标签。2、算法图示从最近的K个样本的标签，依据少数服从多数的原则确定自身的标签； 三要素：训练数据集、距离度量（欧氏距离）、K值选择。算法运行流程描述：上图显示的是不同样本的展示，绿点是新样本，新样...